Intelligence artificielle · Chapitre 12 · Cours 01

Comprendre les formats de fichiers courants

PDF, Word, Excel, CSV, images, archives : apprenez à reconnaître les formats numériques, comprendre leur fonctionnement et choisir le bon fichier pour travailler efficacement avec une intelligence artificielle.

À la fin de ce cours, vous saurez :

  • Expliquer ce qu’est un format de fichier et reconnaître son extension.
  • Distinguer les fichiers texte, bureautiques, tabulaires, multimédias et archives.
  • Identifier les différences entre PDF texte et PDF scanné.
  • Choisir un format adapté à la lecture, à la modification ou à l’analyse par IA.
  • Comprendre les limites d’une conversion et les risques de perte d’informations.
  • Vérifier la compatibilité, l’intégrité et la confidentialité d’un document.
Prérequis

Aucun prérequis technique. Il suffit de savoir ouvrir un fichier sur ordinateur ou smartphone. Les notions de format, d’extension et de données sont expliquées progressivement.

1. Qu’est-ce qu’un fichier informatique ?

Un fichier informatique est un ensemble de données enregistré sur un support numérique : ordinateur, téléphone, clé USB, serveur ou espace de stockage en ligne.

Ces données peuvent représenter un courrier, une photographie, un tableau de calcul, un enregistrement sonore ou encore un programme.

Pour que ces données puissent être interprétées correctement, elles doivent respecter une organisation appelée format de fichier.

Exemple simple

Une entreprise possède trois fichiers :

  • courrier.docx : un document de traitement de texte ;
  • facture.pdf : un document destiné notamment à la consultation et à la diffusion ;
  • ventes.xlsx : un classeur contenant des données et éventuellement des formules.

Ces fichiers peuvent contenir du texte ou des chiffres, mais leur organisation interne et leurs possibilités d’utilisation sont différentes.

1.1. Le format détermine la manière de stocker les données

Un fichier n’est pas simplement un texte accompagné d’une extension. Il contient une représentation des informations selon des règles précises.

Un document Word peut conserver des paragraphes, des styles et des tableaux. Un fichier CSV stocke principalement des lignes de données séparées en champs. Une image JPEG stocke une représentation compressée de pixels.

Le logiciel doit comprendre ces règles pour interpréter correctement le contenu.

1.2. Un même contenu peut exister dans plusieurs formats

Un rapport peut être enregistré en DOCX pour être modifié, en PDF pour être partagé et en TXT pour récupérer uniquement son texte.

Le sujet du rapport reste identique, mais certaines informations peuvent disparaître lors du changement de format : mise en page, commentaires, styles, images ou tableaux.

À retenir

Le contenu correspond à l’information. Le format correspond à la manière dont cette information est enregistrée. Changer de format peut modifier les possibilités d’utilisation du fichier.

2. Comprendre le nom et l’extension d’un fichier

Un nom de fichier se compose généralement d’un nom choisi par l’utilisateur et d’une extension, séparés par un point.

Exemple : rapport-annuel.pdf

rapport-annuel désigne le fichier.

.pdf indique son format supposé.

Les extensions courantes comprennent .pdf, .docx, .xlsx, .csv, .txt, .jpg ou .zip.

2.1. L’extension n’est pas une preuve absolue

L’extension sert d’indication au système et à l’utilisateur, mais elle ne garantit pas la nature réelle des données.

Renommer photo.jpg en photo.pdf ne transforme pas l’image en véritable PDF. Les données internes restent celles du fichier d’origine.

Pour identifier un format avec davantage de fiabilité, un logiciel peut examiner sa structure interne ou sa signature, parfois appelée magic number.

2.2. Comment afficher les extensions ?

  • Windows : dans l’Explorateur de fichiers, activer l’affichage des extensions de noms de fichiers.
  • macOS : utiliser les informations du fichier ou les réglages du Finder pour afficher les extensions.
  • Smartphone : consulter les détails dans le gestionnaire de fichiers, lorsque l’application le permet.
Attention aux doubles extensions

Un fichier nommé facture.pdf.exe n’est pas un PDF : son extension finale est .exe, qui peut désigner un programme exécutable Windows. Il ne faut pas ouvrir un fichier suspect simplement parce que son nom semble rassurant.

3. Les grandes familles de formats

Famille Extensions courantes Utilisation
Texte brut TXT, MD Notes, textes simples, documentation
Documents bureautiques DOCX, ODT, RTF Courriers, rapports, contrats
Documents de diffusion PDF Lecture, impression, archivage
Tableurs XLSX, ODS Calculs, tableaux, suivi d’activité
Données structurées CSV, TSV, JSON, XML Importation, exportation, échanges de données
Présentations PPTX, ODP Diaporamas et supports de formation
Images JPG, PNG, WEBP, GIF, SVG Photographies, illustrations, graphiques
Audio MP3, WAV, FLAC, M4A Enregistrements et fichiers sonores
Vidéo MP4, WEBM, MOV Vidéos et enregistrements
Archives ZIP, 7Z, TAR.GZ Regroupement et compression de fichiers

Une extension ne suffit toutefois pas à déterminer les capacités d’un logiciel d’IA. La prise en charge dépend du service, de sa version, de ses outils et parfois de la taille du fichier.

4. Les fichiers texte : TXT et Markdown

4.1. Le format TXT

Un fichier .txt contient du texte brut, sans mise en page bureautique complexe.

Il peut contenir des mots, des chiffres et des retours à la ligne, mais ne conserve pas les styles Word comme les couleurs, les images intégrées ou les tableaux mis en forme.

Exemple de contenu TXT

Client : Martin

Commande : 245

Statut : livrée

Ce format est simple à exploiter pour l’analyse de texte, mais il ne permet pas de représenter correctement tous les éléments d’un document complexe.

4.2. Le format Markdown (MD)

Markdown est un langage de balisage léger : il utilise des caractères simples pour représenter des titres, des listes ou des éléments de mise en forme.

Par exemple, dans un fichier Markdown, un titre peut être indiqué par le caractère # placé devant son texte.

Markdown est fréquent dans la documentation technique, les projets informatiques et certains échanges avec des assistants d’IA.

4.3. L’encodage des caractères

Un fichier texte doit aussi utiliser un encodage, c’est-à-dire une convention permettant de représenter les caractères sous forme d’octets.

UTF-8 est un encodage très répandu. Il permet notamment de représenter les accents français et de nombreux alphabets.

Si un fichier est interprété avec un mauvais encodage, des caractères peuvent devenir illisibles. Par exemple, « é » peut apparaître sous la forme « é ».

Bonne pratique

Pour échanger des fichiers texte entre plusieurs outils, privilégiez UTF-8 et vérifiez les accents après importation.

5. Les documents bureautiques : DOCX, ODT et RTF

5.1. DOCX

DOCX est un format courant de traitement de texte, notamment utilisé par Microsoft Word. Il repose sur une structure Open XML regroupée dans un conteneur ZIP.

Il peut conserver des titres, des tableaux, des images, des en-têtes, des styles et d’autres éléments de document.

Il est particulièrement adapté lorsqu’un rapport ou un courrier doit rester modifiable.

5.2. ODT

ODT appartient à la famille OpenDocument, notamment utilisée par LibreOffice Writer.

Il remplit un rôle comparable à DOCX, mais certaines fonctionnalités peuvent être interprétées différemment selon les logiciels.

5.3. RTF

RTF est un format de texte enrichi permettant de conserver une partie de la mise en forme et de faciliter les échanges entre applications.

Il est moins adapté que DOCX ou ODT aux documents modernes comportant de nombreuses fonctionnalités avancées.

5.4. Compatibilité ne signifie pas fidélité parfaite

Un logiciel peut ouvrir un document sans reproduire exactement toutes ses caractéristiques. Les tableaux, polices, zones de texte ou sauts de page peuvent varier.

Dans un contexte professionnel, il faut donc vérifier le rendu du fichier après son ouverture ou sa conversion.

6. Le PDF : préserver la présentation ne garantit pas l’extraction

PDF signifie Portable Document Format. Ce format est conçu pour représenter des documents de manière relativement stable sur différents systèmes.

Il est largement utilisé pour les factures, contrats, rapports et documents administratifs.

6.1. PDF contenant du texte sélectionnable

Un PDF exporté depuis un traitement de texte contient généralement du texte qui peut être sélectionné, copié ou recherché.

Une IA équipée d’un outil d’extraction peut alors récupérer ce texte, sous réserve des capacités et restrictions de l’outil.

6.2. PDF scanné

Un PDF scanné peut contenir uniquement des images de pages papier. Les mots sont visibles à l’écran, mais ne sont pas nécessairement enregistrés comme du texte informatique.

Une opération de reconnaissance optique de caractères, appelée OCR, peut être nécessaire pour récupérer les mots.

6.3. PDF mixte

Certains PDF contiennent à la fois du texte, des images et des pages scannées. D’autres comportent une couche de texte issue d’un OCR précédent.

Il faut donc contrôler les pages concernées plutôt que supposer que tout le document est exploitable de la même manière.

Situation Texte sélectionnable ? Traitement possible
PDF exporté depuis Word Généralement oui Extraction directe du texte
PDF issu d’un scan sans OCR Généralement non OCR ou analyse visuelle selon l’outil
PDF scanné avec OCR Généralement oui Extraction avec vérification du texte reconnu
PDF mixte Variable selon les pages Analyse adaptée à chaque partie
Point essentiel

Un PDF peut être parfaitement lisible à l’écran et difficile à exploiter automatiquement. Même lorsqu’un texte est extractible, l’ordre de lecture, les colonnes, les tableaux et les notes peuvent être mal restitués.

7. Les tableurs : XLSX et ODS

Un tableur organise les données en cellules, lignes, colonnes et feuilles.

Un fichier XLSX peut contenir plusieurs feuilles, des formules, des graphiques, des filtres et des mises en forme.

Un fichier ODS offre des fonctions comparables dans l’écosystème OpenDocument.

Exemple professionnel

Une entreprise possède un classeur de suivi des ventes contenant :

  • une feuille « Janvier » ;
  • une feuille « Février » ;
  • des montants de chiffre d’affaires ;
  • des formules calculant les totaux.

Une IA peut éventuellement aider à analyser ce classeur, mais il faut vérifier qu’elle a bien traité les deux feuilles et distingué les valeurs des formules.

7.1. Formule et valeur calculée

Une cellule peut contenir la formule =SOMME(B2:B10), tandis que le tableur affiche son résultat.

Un outil d’analyse peut accéder à la formule, à une valeur calculée enregistrée, aux deux ou à aucune selon la méthode de lecture.

Il ne faut donc pas supposer qu’une IA a recalculé le classeur simplement parce qu’elle affiche un total.

7.2. Les limites d’un tableur transmis à une IA

  • Les feuilles masquées peuvent ne pas être analysées.
  • Les formules peuvent ne pas être recalculées.
  • Les graphiques ne sont pas toujours interprétés.
  • Les filtres peuvent modifier les données visibles.
  • Les dates peuvent être interprétées différemment selon les paramètres.

8. CSV et TSV : des tableaux de données sans classeur

Un fichier CSV est un fichier texte qui représente des données tabulaires. Son nom signifie Comma-Separated Values, soit « valeurs séparées par des virgules ».

En pratique, le séparateur peut être une virgule, un point-virgule ou un autre caractère selon les conventions et les logiciels.

8.1. Exemple de CSV

nom;ville;montant Martin;Paris;120,50 Durand;Lyon;85,00 Petit;Lille;210,75

Dans cet exemple, le point-virgule sépare les colonnes. La virgule sert de séparateur décimal.

Un logiciel doit connaître cette convention pour importer correctement les données.

8.2. Les particularités du CSV

Contrairement à XLSX, un CSV ne conserve pas les feuilles multiples, les graphiques, les formules actives ou les styles de cellules.

Il peut contenir des champs entourés de guillemets lorsque les valeurs comportent des séparateurs ou des retours à la ligne.

Le CSV ne définit pas à lui seul le type des colonnes. Un identifiant comme 00125 peut ainsi être interprété comme le nombre 125 par certains tableurs.

Erreur fréquente

Un numéro de dossier, un code postal ou une référence client n’est pas forcément un nombre destiné à être calculé. Il doit souvent être importé comme du texte afin de préserver ses zéros initiaux.

8.3. Le format TSV

TSV signifie Tab-Separated Values. Il fonctionne selon un principe proche du CSV, mais utilise généralement une tabulation pour séparer les colonnes.

CSV et TSV sont pratiques pour transférer des données entre applications et les préparer pour des traitements automatisés.

9. JSON et XML : représenter des données structurées

Les formats JSON et XML servent à organiser des données afin qu’elles puissent être échangées et interprétées par des programmes.

9.1. JSON

JSON signifie JavaScript Object Notation. Il permet notamment de représenter des objets composés de propriétés et de valeurs.

{ « client »: « Martin », « ville »: « Paris », « montant »: 120.50, « paye »: true }

Dans cet exemple, le montant est un nombre et la propriété paye est une valeur booléenne, c’est-à-dire vraie ou fausse.

JSON est utilisé dans les applications, les interfaces de programmation et les échanges de données avec certains outils d’IA.

9.2. XML

XML signifie Extensible Markup Language. Il utilise des balises pour structurer les informations.

<client> <nom>Martin</nom> <ville>Paris</ville> <montant>120.50</montant> </client>

XML peut également être associé à des règles de validation permettant de contrôler la structure des données.

9.3. CSV, JSON ou XML : lequel choisir ?

Format Particularité Usage privilégié
CSV Tableau simple de lignes et colonnes Export de ventes ou de contacts
JSON Objets et listes pouvant être imbriqués Échanges entre applications et API
XML Structure à balises extensible Documents structurés et échanges normalisés

Le choix dépend de la structure des données et des contraintes du logiciel destinataire. Aucun de ces formats n’est universellement supérieur aux autres.

10. Images : JPG, PNG, WEBP et SVG

Les images peuvent être enregistrées selon deux grandes approches : les images matricielles et les images vectorielles.

10.1. Images matricielles

Une image matricielle est constituée de pixels, c’est-à-dire de petits éléments de couleur.

  • JPG/JPEG : adapté aux photographies, généralement avec compression avec perte.
  • PNG : compression sans perte et prise en charge de la transparence.
  • WEBP : format d’image pouvant utiliser une compression avec ou sans perte.
  • GIF : format prenant notamment en charge de petites animations, avec une palette de couleurs limitée.

10.2. Images vectorielles

Un fichier SVG représente principalement des formes à l’aide d’instructions vectorielles. Il est adapté aux icônes, logos et illustrations géométriques.

Une image vectorielle peut généralement être agrandie sans produire la pixellisation caractéristique d’une image matricielle.

10.3. Une image contenant du texte

Une capture d’écran peut montrer un tableau ou un courrier. Mais les caractères visibles ne sont pas nécessairement enregistrés sous forme de texte sélectionnable.

Une IA disposant de capacités visuelles peut parfois les interpréter directement. Sinon, une reconnaissance OCR peut être nécessaire.

Exemple

Pour faire analyser une facture photographiée, il faut vérifier que l’image est nette, complète, bien orientée et suffisamment lisible. Le résultat doit être comparé à l’original, notamment pour les montants, dates et références.

11. Audio et vidéo : distinguer conteneur et codec

Les fichiers multimédias introduisent une distinction supplémentaire.

Un conteneur organise les flux de données, tandis qu’un codec sert à encoder et décoder les informations audio ou vidéo.

Un fichier MP4 peut par exemple contenir une vidéo encodée avec un codec donné et une piste audio encodée avec un autre.

11.1. Formats audio courants

  • MP3 : compression audio avec perte.
  • WAV : conteneur audio souvent utilisé avec du son PCM non compressé, mais pouvant contenir d’autres encodages.
  • FLAC : compression audio sans perte.
  • M4A : extension courante pour certains fichiers audio dans un conteneur MPEG-4.

11.2. Formats vidéo courants

  • MP4 : conteneur très répandu.
  • WEBM : conteneur multimédia notamment utilisé sur le Web.
  • MOV : conteneur multimédia associé à QuickTime.

Pour faire transcrire un enregistrement ou analyser une vidéo avec une IA, il faut vérifier la prise en charge du format, du codec, de la durée et de la taille du fichier.

12. Les archives : ZIP, 7Z et TAR.GZ

Une archive permet de regrouper plusieurs fichiers dans un seul ensemble. Certains formats permettent également de réduire leur taille par compression.

Un ZIP peut contenir des documents, des images, des dossiers et des sous-dossiers.

Le format TAR regroupe des fichiers, tandis que GZIP peut compresser l’archive obtenue, d’où l’extension courante .tar.gz.

12.1. Une archive n’est pas un document unique

Transmettre un ZIP à une IA ne signifie pas nécessairement que tous les fichiers contenus seront lus.

Selon l’outil, l’archive peut être refusée, extraite automatiquement ou nécessiter une décompression préalable.

12.2. Les risques associés

  • Présence de fichiers inattendus ou malveillants.
  • Archives protégées par mot de passe.
  • Volume décompressé beaucoup plus important que la taille de l’archive.
  • Documents contenant des données confidentielles.
Précaution

Ne décompressez pas automatiquement une archive inconnue dans un environnement sensible. Vérifiez sa provenance, son contenu et les mécanismes de protection disponibles.

13. Formats ouverts, formats propriétaires et interopérabilité

Un format ouvert possède une spécification accessible et utilisable selon des conditions définies. Un format propriétaire est associé à des droits ou à un contrôle exercé par son détenteur.

Il faut distinguer cette question de celle du logiciel : un format standardisé peut être utilisé par un logiciel commercial, et un logiciel libre peut prendre en charge des formats propriétaires.

L’interopérabilité désigne la capacité de différents systèmes à échanger et utiliser correctement des informations.

Elle est importante lorsqu’une organisation utilise plusieurs logiciels, partage des documents avec des partenaires ou souhaite conserver ses données dans le temps.

13.1. Préserver les documents sur la durée

Pour archiver des fichiers, il faut tenir compte de leur lisibilité future, de la documentation du format, de la disponibilité des logiciels et de la conservation des informations importantes.

Le choix du format d’archivage dépend du type de document et des exigences applicables. Un PDF ordinaire ne garantit pas, à lui seul, une conservation conforme aux règles d’archivage.

14. Comprendre la taille d’un fichier

La taille représente la quantité de données stockées dans le fichier.

Les unités courantes sont :

  • octet (o) : unité de stockage courante ;
  • Ko : kilooctet, généralement 1 000 octets en notation décimale ;
  • Mo : mégaoctet, 1 000 000 d’octets ;
  • Go : gigaoctet, 1 000 000 000 d’octets.

Les unités binaires Kio, Mio et Gio utilisent des puissances de 1 024. Certains systèmes affichent encore des valeurs binaires avec les abréviations décimales, ce qui peut expliquer des écarts d’affichage.

14.1. Pourquoi la taille compte pour l’IA

Les services d’IA peuvent imposer des limites de taille, de nombre de pages, de durée audio ou de volume de texte analysable.

Un fichier de grande taille peut également contenir de nombreux éléments inutiles pour la tâche demandée.

Réduire la taille d’un fichier peut faciliter son transfert, mais une compression ou une conversion inadaptée peut dégrader les images ou supprimer des informations utiles.

15. Choisir le bon format selon son objectif

Objectif Format souvent adapté Vérification indispensable
Modifier un courrier DOCX ou ODT Styles et tableaux conservés
Partager un rapport final PDF Lisibilité et pagination
Analyser un tableau de calcul XLSX ou ODS Feuilles et formules accessibles
Importer une liste de clients CSV Séparateur, encodage et types
Échanger des données applicatives JSON ou XML Structure et schéma attendus
Analyser une photographie JPG ou PNG Netteté et capacité visuelle de l’outil
Transcrire un enregistrement MP3, WAV ou format accepté Codec, qualité sonore et durée
Transmettre plusieurs fichiers ZIP Contenu et capacité d’extraction

Ces choix sont des orientations pratiques, pas des règles absolues. Il faut toujours vérifier les formats effectivement acceptés par le logiciel utilisé.

16. Ce qu’une IA fait réellement avec un fichier

Lorsqu’un utilisateur transmet un fichier à un assistant d’IA, plusieurs traitements peuvent intervenir.

1
RéceptionLe service reçoit le fichier, sous réserve des autorisations et limites applicables.
2
IdentificationLe système tente de reconnaître son format et de déterminer comment le traiter.
3
Extraction ou interprétationLe texte, les tableaux, les images ou les autres informations utiles sont récupérés ou interprétés selon les capacités disponibles.
4
AnalyseLe modèle traite les informations auxquelles il a effectivement accès.
5
ProductionLe service génère une réponse, une synthèse ou un autre résultat.
6
Validation humaineL’utilisateur contrôle le résultat par rapport au fichier original.

Ce déroulement est un modèle pédagogique général. Les systèmes d’IA n’utilisent pas tous la même architecture ni les mêmes outils.

16.1. Lire un fichier ne signifie pas tout comprendre

Une IA peut accéder au texte d’un document tout en perdant la relation entre un titre et un tableau, ou entre une valeur et son unité.

Elle peut également ne pas avoir accès à certaines pages, pièces jointes, formules, commentaires ou images.

La réponse doit donc être évaluée en fonction des données réellement traitées, et non seulement de sa fluidité.

16.2. La prise en charge dépend de l’outil

Un service peut accepter les PDF et DOCX mais pas les archives ZIP. Un autre peut analyser les images mais pas les vidéos. Certaines fonctionnalités peuvent dépendre d’un abonnement ou d’une configuration.

Avant de travailler, consulter la documentation du service et effectuer un test représentatif.

17. Les conversions : possibilités et pertes

Convertir un fichier signifie transformer ses données d’un format vers un autre.

Cette opération peut faciliter un échange, mais elle ne garantit pas la conservation de toutes les informations.

17.1. DOCX vers PDF

Cette conversion permet généralement de diffuser une présentation relativement stable. Le document obtenu est cependant moins adapté à une modification bureautique directe.

17.2. XLSX vers CSV

Cette conversion peut conserver les valeurs d’une feuille exportée, mais elle ne conserve pas le classeur complet, les formules actives ou les graphiques.

17.3. PDF vers Word

Une conversion vers DOCX peut permettre de modifier le texte, mais les colonnes, tableaux, images et sauts de page peuvent être réorganisés.

17.4. Image vers texte

Une reconnaissance OCR peut extraire des caractères visibles, mais elle peut confondre des chiffres, des lettres ou des séparateurs.

Ne pas confondre conversion et renommage

Changer l’extension d’un fichier ne réalise pas une conversion. Il faut utiliser une application capable de lire le format source et de produire correctement le format cible.

18. Confidentialité, sécurité et métadonnées

Un fichier peut contenir davantage d’informations que celles immédiatement visibles à l’écran.

Les métadonnées sont des informations décrivant le fichier ou son contenu : auteur, dates, logiciel de création, propriétés techniques ou parfois localisation d’une photographie.

Certains documents peuvent également contenir des commentaires, modifications suivies, feuilles masquées ou données intégrées.

18.1. Avant de transmettre un fichier à une IA

  • Vérifier que le service est autorisé pour l’usage envisagé.
  • Retirer les informations personnelles inutiles.
  • Éviter de transmettre des documents confidentiels sans autorisation.
  • Examiner les métadonnées et les contenus masqués lorsque nécessaire.
  • Vérifier les conditions de conservation et d’utilisation des données par le fournisseur.
  • Conserver une copie originale du document.

18.2. Attention aux fichiers actifs

Certains formats peuvent contenir du code ou des fonctionnalités actives. Par exemple, .docm et .xlsm peuvent contenir des macros.

Une macro est un ensemble d’instructions pouvant automatiser des opérations dans un logiciel. Une macro malveillante peut présenter un risque de sécurité.

Les fichiers HTML et SVG peuvent également contenir des éléments actifs selon leur contenu et leur environnement d’ouverture.

Il convient donc de distinguer un document de confiance d’un fichier reçu d’une source inconnue.

19. Cas pratique : préparer un dossier pour une IA

Situation professionnelle fictive

Une assistante administrative doit préparer une synthèse mensuelle à partir de cinq fichiers :

  • rapport.docx : observations du responsable ;
  • ventes.xlsx : chiffres du mois ;
  • facture-scan.pdf : facture numérisée ;
  • clients.csv : liste de clients ;
  • photo-stock.jpg : photographie d’une zone de stockage.

19.1. Première étape : identifier les informations utiles

La synthèse doit présenter les ventes, les observations du responsable et les problèmes de stockage. La liste complète des clients n’est pas nécessairement utile.

Il faut donc limiter les données transmises à celles qui servent réellement l’objectif.

19.2. Deuxième étape : contrôler chaque fichier

Fichier Contrôle Action
rapport.docx Texte, tableaux et commentaires Conserver une copie et vérifier l’extraction
ventes.xlsx Feuilles, formules et totaux Identifier les cellules et chiffres nécessaires
facture-scan.pdf Présence de texte sélectionnable Prévoir OCR ou analyse visuelle si nécessaire
clients.csv Données personnelles, séparateurs et encodage Limiter ou anonymiser les données
photo-stock.jpg Lisibilité, pertinence et confidentialité Utiliser un outil doté de capacités visuelles adaptées

19.3. Troisième étape : formuler une demande contrôlable

Je souhaite préparer une synthèse mensuelle à partir des documents fournis. 1. Commence par identifier les fichiers effectivement accessibles. 2. Indique pour chaque fichier son format et les informations que tu peux en extraire. 3. Signale les fichiers, pages ou éléments que tu ne peux pas analyser correctement. 4. N’invente aucune donnée manquante. 5. Présente les chiffres importants avec leur fichier source. 6. Sépare les faits vérifiés des interprétations. 7. Termine par une liste des contrôles humains nécessaires. Ne produis pas de conclusion définitive si une source essentielle est inaccessible.

19.4. Quatrième étape : vérifier le résultat

L’assistante compare les chiffres avec le tableur original, contrôle les informations issues du PDF scanné et vérifie que les observations sont correctement attribuées.

Elle peut ensuite corriger la synthèse et la diffuser uniquement après validation.

Résultat attendu

Le bon format n’est pas nécessairement le plus simple à ouvrir. C’est celui qui permet de conserver et d’exploiter les informations nécessaires, avec un niveau de fiabilité compatible avec la tâche.

20. Méthode pratique : les six contrôles avant analyse

1
IdentifierRelever le nom, l’extension et le format réel du fichier lorsque cela est possible.
2
OuvrirVérifier que le fichier est lisible et qu’il ne semble pas endommagé.
3
ExaminerRepérer les pages, feuilles, tableaux, images et autres éléments importants.
4
ProtégerRetirer les données inutiles et vérifier les autorisations de transmission.
5
TesterVérifier que l’outil d’IA accepte le format et accède réellement aux informations souhaitées.
6
ContrôlerComparer le résultat aux données originales avant de l’utiliser.

21. Les erreurs fréquentes et leurs conséquences

Erreur Conséquence Correction
Renommer JPG en PDF Le format réel ne change pas Utiliser une véritable conversion
Supposer qu’un PDF scanné contient du texte Extraction vide ou incomplète Vérifier la sélection du texte et prévoir l’OCR
Exporter un XLSX en CSV sans contrôle Perte de feuilles et de fonctionnalités Conserver l’original et contrôler l’export
Importer des identifiants comme nombres Suppression de zéros initiaux Définir les colonnes comme texte
Ignorer l’encodage Accents corrompus Vérifier UTF-8 et l’importation
Transmettre un fichier confidentiel Risque de divulgation Vérifier autorisations et protection des données
Considérer la réponse de l’IA comme une preuve Erreurs non détectées Contrôler les sources originales

22. Vérifiez votre compréhension

Question 1 — Format et extension

Un fichier nommé rapport.pdf devient-il un document Word si on le renomme rapport.docx ?

Afficher la correction
Non. Renommer l’extension ne modifie pas les données internes. Une véritable conversion est nécessaire pour produire un fichier DOCX valide.
Question 2 — Tableur

Pourquoi un fichier CSV ne remplace-t-il pas toujours un fichier XLSX ?

Afficher la correction
Un CSV conserve une représentation tabulaire simple, mais pas les multiples feuilles, les graphiques, les styles et les formules actives d’un classeur XLSX.
Question 3 — PDF

Un PDF contient une photographie d’une facture. Pourquoi une extraction de texte peut-elle échouer ?

Afficher la correction
Les caractères peuvent être uniquement représentés par des pixels. Il faut alors utiliser une reconnaissance OCR ou un outil visuel adapté, puis contrôler les informations récupérées.
Question 4 — Données

Un CSV contient le code client 00045. Quel risque existe lors de son ouverture dans un tableur ?

Afficher la correction
Le tableur peut interpréter la valeur comme le nombre 45 et supprimer les zéros initiaux. Il faut importer cette colonne comme du texte.
Question 5 — Choix professionnel

Vous devez envoyer un contrat à consulter et conserver une version modifiable. Quels formats choisiriez-vous ?

Afficher la correction
Une solution courante consiste à conserver la version de travail en DOCX ou ODT et à produire un PDF pour la consultation. Il faut contrôler les deux fichiers et respecter les exigences éventuelles de signature, d’archivage et de confidentialité.

23. Questions fréquentes

1. Quelle est la différence entre un fichier et son format ?

Le fichier est l’ensemble de données enregistré. Son format décrit l’organisation de ces données.

2. Qu’est-ce qu’une extension ?

C’est la partie du nom située généralement après le dernier point, comme .pdf ou .xlsx.

3. Peut-on changer le format en renommant le fichier ?

Non. Le renommage ne modifie pas les données internes.

4. Quel format utiliser pour modifier un courrier ?

DOCX ou ODT sont souvent adaptés aux documents de traitement de texte modifiables.

5. Pourquoi utiliser un PDF ?

Il facilite la diffusion d’un document dont on souhaite préserver la présentation.

6. Tous les PDF contiennent-ils du texte sélectionnable ?

Non. Certains contiennent uniquement des images scannées.

7. Qu’est-ce que l’OCR ?

C’est la reconnaissance optique de caractères, utilisée pour récupérer du texte visible dans une image.

8. Un PDF avec OCR est-il toujours exact ?

Non. Les caractères reconnus peuvent comporter des erreurs, notamment dans les tableaux ou les documents peu lisibles.

9. Quelle est la différence entre XLSX et CSV ?

XLSX représente un classeur avec plusieurs fonctionnalités. CSV représente principalement des données tabulaires sous forme de texte.

10. Un CSV contient-il obligatoirement des virgules ?

Non. Les fichiers désignés comme CSV peuvent utiliser différents séparateurs selon les conventions.

11. Pourquoi les accents deviennent-ils illisibles ?

Une cause fréquente est une mauvaise interprétation de l’encodage des caractères.

12. À quoi sert JSON ?

Il sert à représenter des données structurées, notamment pour les échanges entre applications.

13. À quoi sert XML ?

Il permet de structurer des données au moyen de balises et peut être associé à des règles de validation.

14. JPG et PNG sont-ils identiques ?

Non. Ils utilisent des méthodes de stockage et de compression différentes. PNG prend notamment en charge la transparence.

15. Quelle est la différence entre image matricielle et vectorielle ?

Une image matricielle est composée de pixels. Une image vectorielle représente des formes par des instructions géométriques.

16. Qu’est-ce qu’un codec ?

C’est un mécanisme utilisé pour encoder ou décoder des données audio ou vidéo.

17. Un ZIP est-il toujours accepté par une IA ?

Non. La prise en charge des archives dépend de l’outil et de ses fonctionnalités.

18. Qu’est-ce qu’une métadonnée ?

C’est une information décrivant un fichier ou son contenu, par exemple son auteur ou sa date de création.

19. Une IA peut-elle lire tous les formats ?

Non. Les formats acceptés, les limites de taille et les capacités d’analyse varient selon les services.

20. Quel est le meilleur format pour une IA ?

Il n’existe pas de meilleur format universel. Le choix dépend de la tâche, des informations à préserver et des capacités de l’outil.

24. Glossaire essentiel

TermeDéfinition
FichierEnsemble de données enregistré numériquement.
FormatOrganisation conventionnelle des données d’un fichier.
ExtensionSuffixe du nom indiquant le format supposé.
OctetUnité courante de stockage de données.
EncodageConvention de représentation des caractères.
UTF-8Encodage Unicode très répandu.
Texte brutTexte sans mise en forme bureautique complexe.
MarkdownLangage léger de balisage de texte.
PDFFormat de représentation et de diffusion de documents.
DOCXFormat de document bureautique Open XML.
ODTFormat de document texte OpenDocument.
XLSXFormat de classeur Microsoft Excel.
CSVFormat texte représentant des données tabulaires.
TSVFormat tabulaire utilisant généralement des tabulations.
JSONFormat textuel de données structurées.
XMLLangage de balisage extensible.
OCRReconnaissance optique de caractères.
PixelÉlément constitutif d’une image matricielle.
VectorielReprésentation d’images par formes géométriques.
CodecMécanisme d’encodage et de décodage multimédia.
ConteneurStructure regroupant des flux multimédias.
ArchiveFichier regroupant d’autres fichiers.
CompressionTechnique visant à réduire la quantité de données stockées.
MétadonnéeInformation décrivant un fichier ou son contenu.
InteropérabilitéCapacité de systèmes différents à échanger et exploiter des données.

25. Ressources pour approfondir

À retenir

  • Un format définit la manière dont les données d’un fichier sont organisées.
  • L’extension est un indice, pas une preuve absolue du format réel.
  • DOCX, PDF, XLSX et CSV répondent à des besoins différents.
  • Un PDF scanné peut nécessiter une reconnaissance OCR.
  • Une conversion peut supprimer des informations ou modifier leur présentation.
  • La compatibilité avec une IA dépend de l’outil et de ses capacités réelles.
  • Tout résultat extrait doit être contrôlé à partir du fichier original.
Dans le prochain cours 02 — Analyser un document PDF →

Vous apprendrez à examiner un PDF, identifier sa structure, extraire les informations utiles et contrôler les résultats d’une analyse assistée par IA.

Entraînement Ulpia360

Entraînez-vous sur les formats de fichiers

Appliquez les notions étudiées à des situations de choix de formats, de compatibilité, de conversion et de vérification des documents.

15 exercices prévus Application : 1 à 5 Entraînement : 6 à 11 Synthèse : 12 à 15

Retrouvez les exercices depuis la page du chapitre lorsqu’ils seront publiés.

Exercices du cours

Entraînez-vous avec 15 exercices progressifs. Ouvrez un exercice pour répondre, puis afficher sa correction.